Methods of anomalous behavior recognition in intelligent video analytics systems

Abstract

This paper examines methods for recognizing anomalous behavior in intelligent video analytics systems. The main approaches to detecting non-standard situations in video recordings are analyzed, including classical algorithmic methods and modern deep learning-based approaches. Special attention is given to convolutional neural networks, LSTM models, and transformer architectures, which enable automated detection of suspicious events in real time.

У роботі розглянаються методи розпізнавання аномальної поведінки в системах інтелектуального відеоаналізу. Проаналізовано основні підходи до виявлення нестандартних ситуацій на відеозаписах, включаючи класичні алгоритмічні методи та сучасні підходи на основі глибокого навчання. Особлива увага приділяється конволюційним нейронним мережам, моделям LSTM та архітектурам-трансформерам, які дозволяють автоматизувати виявлення підозрілих подій в режимі реального часу.